如何对特定特征执行目标引导编码,排除’nan’值?

from category_encoders import TargetEncoderencoder=TargetEncoder()for i in df['gender']:df['gender']=np.where(df[i]!='nan',encoder.fit_transform(data['gender'],data['target']),'nan')
  • 性别列中的唯一值包括:’Male’, ‘Female’, ‘other’ 和 ‘nan’
  • 我想对除了’nan’之外的所有值进行编码
  • 我尝试了上面的代码,但它给我返回了以下错误:

{KeyError: ‘Male’}

  • 请问是否有其他方法可以实现,或者如何正确地完成这个操作?

回答:

经过大量的谷歌搜索,我发现已经有一个内置的方法。试试这个:

from category_encoders import TargetEncoderencoder = TargetEncoder(handle_missing = 'return_nan')df['gender'] = encoder.fit_transform(df['gender'], df['target'])

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注